<![CDATA[Vision-based Human Activity Recognition has been widely used due to a bunch of video data availability in the present days through CCTV and another mechanism which contains some human activities. This data is going to be very useful to improve and automate decision-making in several fields including security surveillance. In this field, it is important to achieve a good performance (i.e., accuracy) inefficient computational time. While there are many approaches in this field, most complex approaches require high computational time. In this work, we are evaluating Hu Moments performance, as well as being compared to other methods (i.e., Zernike Moment and Histogram of Oriented Gradient) by its accuracy and computational time. We also improved HAR flow by adding image denoising which has proven effective in increasing accuracy. The testing process includes videos that contain human activities such as walking, jogging, and running. The result shows that Hu Moments is superior among other methods, however there’s also some room for improvements found through this experiment. Dalam era di mana terdapat banyak data video yang berisi aktivitas manusia, baik melalui rekaman CCTV maupun mekanisme lain, data tersebut menjadi sangat berharga untuk dapat diproses untuk pengenalan aktivitas manusia, atau Human Activity Recognition (HAR) yang dapat membantu pengambilan keputusan, di antaranya security surveillance. Untuk itu, diperlukan akurasi yang tinggi dan waktu komputasi yang efisien. Meskipun telah banyak metode di ranah ini, suatu teknik yang kompleks pada umumnya membutuhkan waktu komputasi yang tinggi. Dalam penelitian ini, dilakukan evaluasi dengan menggunakan metode Hu Moments yang akan dibandingkan dengan metode lainnya, yaitu Zernike Moment dan Histogram of Oriented Gradient (HOG), untuk segi akurasi dan waktu komputasinya. Ditambahkan juga tahap image denoising yang mampu meningkatkan akurasi. Proses pengujian menggunakan berbagai data video aktivitas manusia yang meliputi: berjalan, joging, dan berlari. Hasil riset menunjukkan bahwa metode Hu Moments memiliki performa yang lebih unggul dibandingkan metode ekstraksi fitur lainnya. Berdasarkan eksperimen yang dilakukan, terdapat beberapa area yang masih dapat ditingkatkan, untuk penelitian selanjutnya.]]>
